Resumen - Marco bayesiano para la asociación de fuentes de rayos cósmicos ultraenergéticos (UHECR) e inferencia de parámetros

Marco bayesiano para la asociación de fuentes de rayos cósmicos ultraenergéticos (UHECR) e inferencia de parámetros

2025-07-10 15:38:51

{"Keito Watanabe","Anatoli Fedynitch","Francesca Capel","Hiroyuki Sagawa"}

{astro-ph.HE,astro-ph.IM}

El artículo de Watanabe et al. presenta un marco bayesiano para asociar rayos cósmicos de alta energía ultravioleta (UHECRs) con sus fuentes potenciales e inferir parámetros de fuente. El estudio aborda los desafíos de identificar fuentes de UHECR debido a deflexiones magnéticas y pérdidas de propagación, especialmente fuertes para los núcleos. Los autores desarrollaron previamente un modelo jerárquico bayesiano para inferir parámetros de fuente de UHECRs mientras se tienen en cuenta los efectos de propagación dependientes de la masa. Sin embargo, este modelo requería suposiciones sobre la composición de llegada que caía dentro de un grupo de masa predefinido, limitando su aplicación directa a los datos observacionales. En este trabajo, los autores relajan esta suposición al incorporar explícitamente la media y la varianza de la distribución logarítmica de masa (ln A) medida en la Tierra. El marco utiliza momentos de energía y masa de ln A para inferir parámetros de fuente, incluyendo la composición de masa en la fuente. Los autores demuestran el rendimiento del modelo utilizando conjuntos de datos simulados basados en el Observatorio Pierre Auger y el Proyecto del Telescopio Array. El modelo puede aplicarse fácilmente a los datos disponibles actualmente, y los autores discuten las implicaciones de sus resultados para la identificación de fuentes de UHECR. El modelo se basa en un marco jerárquico bayesiano, donde se establecen prioridades en parámetros de fuente como la luminosidad y los índices espectrales, así como las fracciones de masa de UHECRs en la fuente. La inferencia se realiza utilizando el lenguaje de programación probabilístico stan, que realiza muestreo de cadenas de Markov Monte Carlo (MCMC) a través del algoritmo de Monte Carlo Hamiltoniano (HMC) para obtener directamente las distribuciones posteriores de los parámetros del modelo. Los autores utilizan el código de propagación nuclear PriNCe para describir los efectos de propagación dependientes de la masa. Modelan los UHECRs emitidos desde la fuente y desde fuentes de fondo separadamente, considerando fuentes puntuales e inyecciones continuas desde un fondo homogéneo. El modelo a futuro incorpora respuestas del detector, teniendo en cuenta tanto las incertidumbres estadísticas como las sistemáticas. Los autores aplican el modelo a conjuntos de datos simulados basados en las configuraciones de detección de Auger y TA. Recuperan los parámetros de fuente verdaderos dentro de los intervalos de incertidumbre de 2σ inferidos para todos los parámetros de fuente inferidos. Los resultados demuestran que el marco reconstruye de manera confiable los parámetros de fuente verdaderos en cada etapa del proceso de modelado. Los autores concluyen que el marco bayesiano efectivamente combina las energías individuales de eventos y los datos de composición de masa promediados estadísticamente, binados, para inferir las propiedades de fuentes de UHECR. Se espera que la incorporación de información espacial y mediciones de masa por evento mejore significativamente las restricciones en los parámetros de fuente. Los autores planean integrar este modelo de deflexión en el marco actual y aplicar el enfoque extendido a los datos públicos disponibles de Auger y TA.